遥感原理综合性实验报告erdas.docx
《遥感原理综合性实验报告erdas.docx》由会员分享，可在线阅读，更多相关《遥感原理综合性实验报告erdas.docx（19页珍藏版）》请在冰豆网上搜索。
遥感原理综合性实验报告erdas
实验编号：
四川师范大学实验报告2014年8月30日
地理与资源科学学院2013级1班实验名称：
遥感数字处理图像实验
姓名：
成绩：
学号：
指导教师：
程武学
1．实验目的和要求
帮助学生在了解RS基本组成与数据结构模型的基础上，重点学习使用ERDASIMAGINE9.1软件进行视窗操作、数据数据预处理、图像解译、图像分类和矢量功能；掌握遥感图像前后处理和解译、分类地理的技术流程和方法，数据库建设以及地理数据的编辑和管理；配合具体实例运用GIS空间分析工具。
通过系列实习过程，重点培养学习者掌握RS提取信息的基本过程和技巧，并可初步用来解决运用遥感提取信息的问题。
2．主要仪器与试剂
主要仪器：
局域网系统；高级PC计算机；Windows2000，ERDASIMAGINE8.5
3．实验步骤：
1、图像几何校正过程：
（1）数据预处理：
ERDAS图标面板菜单:
Main->DataPreparation->ImageGeometricCorrection,打开SetGeo-CorrectionInputFile对话框（如右图1）
（2）显示图像文件：
ERDAS图标面板菜单条:
Session->TileViewers；然后，在Viewer#1中打开需要校正的LandsatTM图像:
01.img；在Viewer#2中打开作为地理参考的校正过的SPOT图像:
00.img（如图2）
图2打开两幅图像后的窗口
（3）启动几何校正模块：
在Viewer#1菜单条:
Raster->GeometricCorrection，打开SetGeometricModel对话框（图3）选择多项式几何校正计算模型:
Polynomial–OK，同时打开PolynomialModelProperties对话框（图4）和GeoCorrectionTools对话框（图5）
在PolynomialModelProperties对话框中，定义多项式模型参数及投影参数:
定义多项式次方（Polynomial）；再定义投影参数。
（4）Apply->Close，打开GCPToolReferenceSetup对话框（图5）
（5）启动控制点工具：
首先在GCPTootsReferenceSetup对话框（图5）中选择采点模式:
选择视窗采点模式:
ExistingViewer，单击OK（关闭GCPToolsReferenceSetup对话框），自动打开ViewerSelectionInstiuctions指示器（图6）
（6）在显示作为地理参考图像panAtlanta.img的Viewer#2中点击左键，打开ReferenceMapInformation提示框（图7）（显示参考图像的投影信息），OK（关闭ReferenceMapInformation提示框）
图7ReferenceMap
Information提示框
（7）采集地面控制点：
整个屏幕将自动变化为如图8所示的状态:
其中包含两个主视窗、两个放大窗口、两个关联方框（分别位于两个视窗中，指示放大窗口与主视窗的关系）、控制点工具对话框、几何校正工具等。
图8ReferenceMapInformation窗口
（8）采集地面检查点：
以上所采集的GCP的类型为ControlPoint（控制点），用于控制计算，建立转换模型及多项式方程。
下面所要采集的GCP的类型均是Check（检查点），用于检验所建立的转换方程的精度和实用性。
依然在GCPTool对话框状态下：
（a）在GCPTool菜单条中确定GCP类型:
Edit->SetPointType->Check
（b）在GCPTool菜单条中确定GCP匹配参数（MatchingParameter）:
Edit->PointMatching->打开GCPMatching对话框。
在GCPMatching对话框中，需要定义下列参数:
①匹配参数（MatchingParameters）；②最大搜索半径（Max.SearchRadius）为3；③搜索窗口大小（SearchWindowSize）:
X:
5Y:
5;④约束参数（ThresholdParameters）:
设相关阈值（CorrelationThreshold）:
0.8；⑤删除不匹配的点（DiscardUnmatchedPoint）:
Active
（c）在匹配所有/选择点（MatchAll/SelectedPoint）选项组中设从输入到参考（ReferencefromInput）或从参考到输入（InputfromReference）
（d）Close（关闭GCPMatching对话框）
（e）确定地面检查点:
在GCPTool工具条中选择CreateGCP图标，并将Lock图标打开，锁住CreateGCP功能，如同选择控制点一样，分别在Viewer#l和Viewer#2中定义5个检查点，定义完毕后点击Unlock图标，解除CreateGCP功能。
（f）计算检查点误差:
在GCPTool工具条中点击ComputeError图标，检查点的误差就会显示在GCPTool的上方，只有所有检查点的误差均小于一个像元（Pixel），才能继续进行合理的重采样。
一般来说，如果你的控制点（GCP）定位选择比较准确的话,检查点匹配会比较好，误差会在限差范围内。
否则，若控制点定义不精确，检查点就无法匹配，误差会超标。
（9）检验校正结果：
（a）打开两个平铺视窗（openandTiletwoViewer）,视窗菜单条:
File->Open->RasterOption->图像文件,ERDAS图标面板:
Session->TileViewer->平铺视窗
（b）建立视窗地理连接关系（GeoLinktwoViewer）,在Viewer#1中:
按住右键->快捷菜单->GeoLink/Unlink,在Viewer#2中:
点击左键一建立与Viewer#1的连接
（c）通过查询光标进行检验（CheckwithInquireCursor）,在Viewer#1中:
按住右键->快捷菜单->InquireCursor->打开光标查询对话框,在Viewer#1中:
移动查询光标，观测其在两屏幕中的位置及匹配程度，并注意光标查询对话框中数据的变化。
:
图10校正前TM影像
图11校正后TM影像
2、图像去霾过程：
（1）ERDAS图标面板菜单条.:
单击Main->ImageInterpreter->RadiometricEnhancement
打开HazeReduction对话框（图12）,在对话框中，需要设置下列参数：
①确定输入文件（InputFile）：
klon_tm.img；
②定义输出文件（OuputFile）：
haze.img；
③定义坐标类型为（CoordinateType）：
Map；
④处理范围确定（SubsetDefinition）：
在ULX／Y、LRX／Y微调框中输入需要的数值（缺省状态为整个图像范围，可以应用InquireBox定义子区）；
⑤处理方法（Method）：
选择Landsat5TM
（2）
单击OK按钮，关闭HazeReduction对话框，执行去霾处理。
去霾处理的前后对比效果如下图13和14所示：
图13去霾处理前影像
图14去霾处理后影像
3、非监督分类过程：
（1）调出非监督分类对话框：
在ERDAS图标面板工具条中点击DataPrep图标DataPreparation菜单->UnsupervisedClassification菜单项UnsupervisedClassification对话框（图17）；或在ERDAS图标面板工具条中点击Classifier图标，Classification菜单，UnsupervisedClassification菜单项，UnsupervisedClassification对话框（图18）
。
图19设置参数后的UnsupervisedClassification对话框
（2）进行非监督分类
UnsupervisedClassification对话框（图19）:
①确定输出文件:
11.img（要被分类的图像）②确定输出文件:
12.img〔即将产生的分类图像）
③选择生成分类模板文件:
OutputSignatureSet）④确定分类模板文件（FileName）:
13.sig
⑤对ClusteringOptions选择InitializefromStatistic单选框InitializefromStatistics指由图像文件整体（或其AOl区域）的统计值产生自田聚类，分出类别的多少由用户自己决定。
UseSignatureMeans是基于选定的模板文件进行非监督分类，类别的数目由模板文件决定。
⑥确定初始分类数（Numberofclasses）:
10（分出10个类别）。
实际工作中一般将分类数取为最终分类数的2倍以上。
⑦点击InitializingOptions按钮可以调出FileStatisticsOptions对话框以设置1SODATA的一些统计参数。
⑧点击ColorSchemeOptions按钮可以调出‘OutputColorSchemeOptions对话框以决定输出的分类图像是彩色的还是黑白的。
这两个设置项使用缺省值。
⑨定义最大循环次数（MaximumIterations）:
24；最大循环次数（MaximumIterations）是指ISODATA重新聚类的最多次数，这是为了避免程序运行时间太长或由于没有达到聚类标准而导致的死循环。
一般在应用中将循环次数都取6次以上。
⑩设置循环收敛阅值（ConvergenceThreshold）:
0.95
收敛阂值（ConvergenceThreshold）是指两次分类结果相比保持不变的像元所占最大百分比。
此值的设立可以避免ISODATA无限循环下去。
（3）点击OK按钮（关闭UnsupervisedClassification对话框，执行非监督分类，获得一个初步的分类结果，如图20）。
图20非监督分类后的图像
4、分类后处理过程：
1聚类统计
ERDAS图标面板菜单条:
Main->ImageInterpreter->GISAnalysisClump->Clump对话框（图21）
ERDAS图标面板工具条:
点击Interpreter图标->GISAnalysisClump->Clump对话框（图20）
在Clump对话框中，需要确定下列参数:
①确定输入文件（InputFile）:
1986_superclass.img
②定义输出文件（OutputFile）:
1986_clump.img
③文件坐标类型（（CoordinateType）:
Map
④处理范围确定（SubsetDefinition）:
ULX/Y,LRX/Y（缺省状态为整个图像范围，可以应用InquireBox定义子区）
⑤确定聚类统计邻域大小（ConnectNeighbors）:
8，（统计分析将对每个像元四周的8个相邻像元进行）
⑥OK（关闭Clump对话框，执行聚类统计分析）
2过滤分析
ERDAS图标面板工具条:
点击Interpreter图标->GISAnalysis
Sieve->Sieve对话框（图22）
在Sieve对话框中，需要确定下列参数:
确定输入文件（InputFile）:
1986-superclass.img
定义输出文件（OutputFile）:
1986-sieve.img
文件坐标类型（CoordinateType）:
Map处理范围确定（SubsetDefinition）:
ULX/Y,LRX/Y（确定最小图斑大小（MinimumSize）:
16pixelsOK（关闭Sieve对话框，执行过滤分析）。
3去除分析（Eliminate）
去除分析是用于删除原始分类图像中的小图斑或Clump聚类图像中的小Clump类组·与Sieve命令不同，Eliminate将删除的小图斑合并到相邻的最大的分类当中，而且，如果输入图像是Clump聚类图像的话，经过Eliminate处理后，将分类图斑的属性值自动恢复为Clump处理前的原始分类编码。
显然，Eliminate处理后的输出图像是简化了的分类图像。
ERDAS图标面板菜单条:
Main->ImageInterpreter->GISAnalysisEliminate->Eliminate对话框（图23）
在Eliminate对话框中，需要确定下列参数:
①确定输入文件（InputFile）:
1986-superclass.img
②定义输出文件（OutputFile）:
1986-Eliminate.img
③文件坐标类型（CoordinateTvpe）:
Map
④处理范围确定（SubsetDefinition）:
ULX/Y,LRX/Y，（缺省状态为整个图像范围，可以应用Inquire'Box定义子区）
⑤确定最小图斑大小（Minimum）:
16pixels⑥确定输出数据类型（Output）:
Unsigned4Bit
⑦OK（关闭Eliminate对话框，执行去除分析）
5、专题制图输出过程：
1准备专题制图数据（（PreparetheDataLayer）
视窗菜单条:
File->Open-RasterLayer，图像文件12.img在视窗中打开打开专题制图将针对12.img图像进行（如图24）。
图24视窗中打开的图像文件12.img
2产生专题制图文件（NewMapComposition）
ERDAS图标面板菜单条:
Main->MapComposer->NewMapCompositionNewMapComposition对话框（图25）
或者ERDAS图标面板工具条:
点击Composer图标->NewMapCompositionNewMapComposition对话框（图25）
在NewMapComposition对话框中，需要定义下列参数:
①专题制图文件名（NewName）:
composer.map；②出图幅宽度（MapWidth）:
28；③出图幅高度（MapHeight）:
20；
④图显示比例（DisplayScale）:
1；
⑤幅尺寸单位（Unit）:
centimeters；
⑥图背景颜色（Background）:
white，（以上是自定义状态，也可以使用模板文件:
UseTemplate。
OK（关闭NewMapComposition对话框）打开MapComposer视窗和Annotation工具面板（图26）
图27NewMapComposition对话框
3确定专题制图范围（DefinetheMapFrame）
Annotation工具面板->点击CreateMapFrame图标
（1）在地图编辑视窗的图形窗口中，按住鼠标左键拖动绘制一个矩形框（MapFrame），（图框大小随后还可以调整，如果想绘制正方形，可以在拖动鼠标时按住Shift键）
（2）完成图框绘制、释放鼠标左键后，打开MapFrameDataSource对话框（图28）
（3）点击Viewer（从视窗中获取数据填充MapFrame）
（4）打开CreateFrameInstructions指示器（图29）
在显示图像的视窗中任意位置点击左键，表示对该图像进行专题制图
①开MapFrame对话框（图30）
②MapFrame对话框中需要定义下列参数:
③hangeMapandFrameArea（改变制图范围与图框范围，保持比例尺不变）
④rameWidth:
24FrameHeight:
16（MapAreaWidth&Height相应变化）
⑤hangeScaleandFrameArea（改变比例尺与制图范围，保挂图框范围不变），Scale1:
25000（FrameWidth&Height相应变化）
图30CreateFrameInstructions对话框
⑥hangeScaleandMapArea（改变比例尺与图框范围，保持制图范围不变），MapAreaWidth:
19685.00Height:
13123.33（所添尺寸由图框与比例决定）
⑦图旋转角度（MapAngle）:
0
⑧图左上角坐标（UpperLeftMapCoordinates）:
X:
1700000.00/Y:
290000.00
⑨框左上角坐标（UpperLeftFrameCoordinates）:
X:
2.00/Y：
18.00）
⑩ok（关闭MapFrame对话框，完成地图图框绘制）
制图编辑视窗的图形窗口中显示出图像Modeleroutput.img的输出图面
将输出图面充满整个视窗（View->Scale->MaptoWindow）（图31）
图31专题制图图面（充满窗口）
4．分析结果：
该幅TM影像图主要反映城市居民区分布状态：
居民区主要在平原区呈片状分布，以
及沿道路、河流两侧呈线状分布；
而在山区分布较为分散、稀疏，在丘陵地带呈散点分布；在大片山地周围也是呈线状
分布，或零星分布。
居民区在平原区分布较为密集且集中，在山地丘陵地带分布较为稀疏
分散。
升级会员 